Monitoramento de integridade estrutural de um rotor utilizando algoritmos de sistemas imunológicos artificiais com seleção negativa e seleção clonal

Autores

  • Daniela Cabral de Oliveira Instituto Federal Goiano
  • Fábio Roberto Chavarette Universidade Estadual Paulista
  • Roberto Outa Faculdade de Tecnologia de Araçatuba

DOI:

https://doi.org/10.33448/rsd-v9i7.3546

Palavras-chave:

Monitoramento de integridade estrutural; Rotor; Sistemas imunológicos artificiais; Algoritmo de seleção negativa; Algoritmo de seleção clonal.

Resumo

O trabalho propõe uma metodologia para o desenvolvimento de monitoramento da integridade estrutural baseado em técnicas de computação inteligente, com propósito de detectar falhas estruturais em um rotor utilizando a técnica de sistemas imunológicos artificiais com seleção negativa e seleção clonal. Este conceito permite compor o sistema de diagnóstico apto a aprender continuamente, contemplando duas situações de danos, sem a necessidade de reiniciar o processo de aprendizado. Neste cenário, foi empregado dois algoritmos imunológicos artificiais, sendo o algoritmo de seleção negativa, responsável pelo processo de reconhecimento de padrões, e o algoritmo de seleção clonal responsável pelo processo de aprendizado continuado. Para avaliar a metodologia foi montada uma bancada experimental que produz um sinal de vibração, a partir do qual capturado e tratado, pode ser identificado, classificado e até definido o prognóstico do comportamento do teste. Os resultados demonstram robustez e precisão da metodologia proposta.

Referências

Bradley, D. W & Tyrrel, A. M. (2002) Immunotronics - novel finite-state-machine architectures with built-in self-test using self-nonself differentiation. IEEE Transactions on Evolutionary Computation, New York, v. 6, p. 227-238.

De Castro, L. N. & Timmis, J. (2003). Artificial Immune Systems as a Novel Soft Computing Paradigm. Soft Computing Journal. Springer Velag, p. 526- 544, 2003.

De Castro, L. N. & Timmis, J. (2002). Artificial immune systems: a new computational intelligence approach, New York: Springer, p.357.

Farrar, C. R.; Lieven, N. A.; Bement, M. T. An introduction to damage prognosis. In: Inman, D. J. Farrar, C. J, Lopes Jr, V. & Steen Jr, V. (2005). Damage prognosis for aerospace, civil and mechanical systems. England: John & Sons, p. 1-12.

Gonsalez, C. G., Da Silva, S., Brennan, M. J. & Lopes Jr, V. (2014). Structural damage detection in an aeronautical panel using analysis of variance. Mechanical Systems and Signal Processing, v. 52-53, p. 206-216, DOI 10.1016/j.ymssp.2014.04.015.

Hall, S. R. (1999). The effective management and use of structural health data. In. International Workshop on Structural Health Monitoring, 1999, New York. Proceedings […] New York: Virginia Tech Publisher, p. 265-275.

Jungwon, K., Bentley, P. J., Aickelin, U., Greensmith, J., Tedesco, G. & Twycross, J. (2007). Immune system approaches to intrusion detection – a review. Nature Computing, Springer, p. 413-466.

Kramer, E. (1993). Dynamics of Rotors and Foundations, Berlin, Springer-Verlag, p. 377.

Lee, C.W. (1993). Vibration Analysis of Rotors, Waterloo, Springer Science, p.323.

Lima, F. P. A.; Lopes, M. L. M.; Lotufo, A. D. P. & Minussi, C. R. (2016). An artificial immune system with continuous-learning for voltage disturbance diagnosis in electrical distribution systems. Expert Systems with Applications, p. 131-142 DOI 10.1016/j.eswa.2016.03.010.

Lima, F. P. A., Chavarette, F. R., Souza, A. S. E., Souza, S. S. F. & Lopes, M. L. M. (2013). Artificial immune systems with negative selection applied to health monitoring of aeronautical structures. Advanced Materials Research, Hong King, v.871, s/n, p.283-289.

Lima, F. P. A. (2016). Diagnóstico de distúrbios de tensão em sistemas de distribuição baseado num sistema imunológico artificial com aprendizado continuado. 2016. 101 f. Tese (Doutorado Engenharia Elétrica) – Faculdade de Engenharia, Universidade Estadual Paulista, Ilha Solteira.

Muszynska, A. (2005). Rotordynamics, Boca Raton, CRC Press, p.1085.

Oliveira, D. C; Chavarette, F. R & Lopes, M. L. M. (2019). Damage Diagnosis in na Isotropic Structure Using an Artificial Immune System Algorithm. Journal of the Brazilian Society of Mechanical Sciences and Engineering, DOI 10.1007/s40430-019-1971-9.

Outa, R. & Chavarette, F. R. (2018). Application of Non-Linear Control Under a Dynamic Rotor Signal. International Journal of Recent Scientific Research, v. 9, p. 24150-24157.

Pereira, A.S. et al. (2018). Metodologia do trabalho científico. [e-Book]. Santa Maria. Ed. UAB / NTE / UFSM. Available at: https://repositorio.ufsm.br/bitstream/handle/1/15824/Lic_Computacao_Metodologia-Pesquisa-Cientifica.pdf?sequence=1. Accessed on: April 21th, 2020.

Wang, L. & Gao, R.X. (2006). Condition Monitoring and Control for Intelligent Manufacturing, London, Springer-Verlag, p.410.

Werbinska-Wojciechowska, S. (2019). Technical System Maintenance: Delay-Time-Based Modelling, Switzerland, Springer Nature, p.361.

Wylie, C. S. & Shakhnovich, E. I. (2012). Mutation induced extinction infinite populations: lethal mutagenesis and lethal isolation. PLoS Computational Biology, New York, v. 8, p. 1-6.

Zhou, Z., Wang, H. & Lou, P. (2010). Manufacturing Intelligence for Industrial Engineering: Methods for System Self-Organization, Learning, and Adaptation, Hershey, IGI Global, p.406.

Downloads

Publicado

28/04/2020

Como Citar

OLIVEIRA, D. C. de; CHAVARETTE, F. R.; OUTA, R. Monitoramento de integridade estrutural de um rotor utilizando algoritmos de sistemas imunológicos artificiais com seleção negativa e seleção clonal. Research, Society and Development, [S. l.], v. 9, n. 7, p. e96973546, 2020. DOI: 10.33448/rsd-v9i7.3546. Disponível em: https://rsdjournal.org/index.php/rsd/article/view/3546. Acesso em: 22 dez. 2024.

Edição

Seção

Engenharias